生成AIが日常やビジネスのさまざまな場面で使われることが「あたりまえ」になりつつある今、人間の仕事やコミュニケーションの在り方も大きく変わろうとしています。便利さや効率の面で生成AIの恩恵は計り知れません。しかしその一方で、表情や声のトーン、しぐさといった非言語コミュニケーション、そして他者への共感や思いやりをおろそかにしてしまうと、「AIに奪われない仕事」どころか、「人間らしいコミュニケーション」そのものを手放してしまいかねない――こうした危機感を私は抱いています。
AI時代に失われつつある非言語コミュニケーション
スマホやPC上のおしゃべりアプリや生成AIは、滑らかな言葉で私たちに応答してくれます。しかしそこには表情も、身ぶり手ぶりもありません。視線が泳ぐ、口元がわずかにゆがむ、言葉にならないため息が漏れる――リアルな対人場面で、私たちはこうした非言語の情報から相手の感情を読み取り、自分の言葉を微調整しています。非言語を含まない対話に慣れ過ぎると、「言葉に乗らない想い」を受け取る力も、自分の想いを繊細に伝える力も、少しずつ錆びついていきます。これは、子どものコミュニケーション発達への影響を懸念する川原（2025）の議論を、成人のコミュニケーションに拡張した問題意識です。
また、生成AIはどれだけぞんざいに扱っても怒りません。命令口調で指示しても、きつい言葉で批判しても、何度もやり直しをさせても、文句ひとつ言わずに従ってくれます。同じ愚痴を繰り返しても、辛抱強く「共感的」に応答してくれます。しかし生身の人間相手に同じことは出来ません。相手の顔色をうかがいながら言葉を選び、強さを調整し、「これ以上は言わないでおこう」と自制します。こうしたプロセスによって、私たちは「言葉が人を傷つけ得る」ことを身体で学んでいます。AIとの会話ばかりに慣れてしまうと、自分本位で乱暴なコミュニケーションに無自覚のまま傾いていく危険も指摘されています（川原, 2025）。
さらに、生成AIの回答は決して中立ではありません。開発した組織や国の価値観、利用している言語圏の歴史認識や世論が、微妙に、あるいは露骨に反映されます。一田ほか（2025）は、生成AIの応答が言語や提供主体によって揺れ動く事例を多数紹介し、その背後にある情報安全保障上のリスクを指摘しています。領土問題や歴史認識のように見解が分かれるテーマでは、使う言語によって答えが変わることも報告されています。「生成AIに聞けばひとまず答えが出る」時代に、こうした偏りは異なる常識をあたかも「唯一の正解」であるかのように錯覚させます。開発主体の価値観を反映した回答を繰り返し浴びることで、同質の意見だけが増幅されるエコーチェンバー現象に巻き込まれやすくなる、という警鐘も同書で鳴らされています（一田ほか, 2025）。
このような状況のなかで、表情分析を専門とする私の立場から強調したいのは、「リアルな人間関係の中に身を置き続けること」の重要性です。価値観も立場も異なる複数のコミュニティと関わり（関われるコミュニティが限定されていれば、可能な限りそのコミュニティ内で様々な意見を述べてみる）、自分の「常識」や意見を実際に口に出してみます。賛同されることもあれば、静かな違和感だけが返ってくることもあるでしょう。言葉では「そうですね」と同意しながら、鼻根に嫌悪の微表情が浮かぶこともあります。そのズレに気づけるのはアルゴリズムではなく、人間の目と身体です。オンラインの言語情報だけでは見えない「本音との距離」を、非言語は容赦なく教えてくれます。
仕事の現場で問われる「感情を読む力」
ビジネスの現場でも同じです。プロジェクトリーダーがメンバーの仕事ぶりに気づき、改善点を伝えようとしたとき、「AIに聞くから大丈夫です」と返されるかもしれません。確かに生成AIに相談すれば、一般的な改善策や丁寧な指摘文を一瞬で作ってくれるでしょう。しかしそこで役割を放棄してしまえば、リーダーとしての存在価値は薄れていきます。人間のリーダーの価値とは、メンバー自身が気づいていない盲点を見抜き、タイミングと伝え方を工夫しながらフィードバックすることにあります。自分の問題点が分かっているならAIにも質問できますが、「何が問題なのか」が分からないため、適切なプロンプトを書けないのです。
さらにAIはどうしても「平均的な人」に効くアドバイスを返しがちです。しかし現実の職場では、人によって「効く言葉」は全く違います。ある人には厳しい指摘がスイッチになる一方で、別の人には承認が何よりの原動力になります。誰にどんな言葉が届きやすいかを見極めるには、日頃から相手の表情や声色、沈黙の意味を観察し続け、価値観を知る必要があります。ここにこそ、人間の観察力と非言語感受性が生きてきます。
リーダーの感情表現とチームの成果の関係を検証したVan Kleefら（2010）の研究は、その一例です。彼らは、怒りや喜びを示すリーダーのもとでチームの課題に取り組ませ、チームメンバーの性格特性との相互作用を分析しました。その結果、協調性の低いメンバーが多いチームでは、怒りを示すリーダーの方が成績を高める一方、協調性の高いメンバーが多いチームでは、怒りは負荷となり成果を下げ、喜びを示すリーダーからのフィードバックやアドバイスの方が高い成果につながることが示されました（Van Kleef et al., 2010）。つまり、「メンバーの性格やチームの雰囲気に応じてアドバイスの仕方を変えることが大切」であり、その判断には、表情や態度から感情の微妙な変化を読み取る力が欠かせないのです。
チームワークの研究でも、こうした「感情を読み取る力」の重要性が示されています。Woolleyら（2010）は2〜5人のグループを多数作り、パズル課題、協力課題、ブレインストーミングなど多様なタスクに取り組ませ、その成績を総合的に分析しました。その結果、「どの課題でもそこそこ出来るチーム」には共通の要因があることが分かりました。すなわち、①メンバーの平均的な社会的感受性＝相手の表情や声のトーンから気持ちを読む力が高いこと、②発言が特定の人に偏らず全員がほどよく話すこと、③そうした感受性の高いメンバーが一定数いることです（Woolley et al., 2010）。「空気を読み合い、安心して発言できる場をつくれるチーム」ほど、多様な課題で成果を出しやすいということであり、ここでも非言語コミュニケーションの力が中核をなしていると言えます。
AIと共存しながら、人間本来のコミュニケーションを育てる
現在すでに、表情や声の変化から感情を推定するAIは存在します。怒りや喜び、悲しみなどのラベルを、ある程度の精度で教えてくれるでしょう。しかし、「なぜその感情に至ったのか」「この怒りや不安を、誰が、どの順番で、どの言葉で扱うとチームが前に進めるのか」といった設計と実行は、まだAIには任せられません。たとえ将来、原因推定や介入の提案までAIが担えるようになったとしても、実際にその場に立ち、生身の相手の表情や声の震えを感じながら、関係を壊さずに一歩踏み出してもらう役割は、人間の身体を通したコミュニケーションでしか果たせないでしょう。
生成AIが高度になればなるほど、「ひとりでも何とかなる仕事」はAIに任されていきます。その一方で、「相手の感情を読み取り、すり合わせながら前に進める仕事」「異なる価値観どうしの摩擦を、言葉と非言語を駆使して調整する仕事」は、人間だからこそ担える重要な役割として残り続けます。表情やしぐさを丁寧に観察し、共感や思いやりをもって相手に関わること――このアナログで面倒なプロセスこそが、AI時代における人間独自の仕事を維持・育成・発展させる鍵だと考えています。
だからこそ、生成AIと上手に付き合いつつも、同時に「リアルコミュニケーション」を意識的に取り戻す必要があります。画面越しの言葉だけの世界から一歩外に出て、目の前の人の表情の揺れ、声のトーン、沈黙の重さを感じ取ることが大切です。そこで得られる情報の豊かさと、人間同士だからこそ生まれる葛藤と成長こそが、AIには決して代替できない、人間本来のコミュニケーションなのです。
参考文献
一田和樹、石井大智、石川雄介、岩井博樹、黒井文太郎『目にする情報の半分以上が偽・誤情報になる 情報安全保障の新論点』講談社(2025)
川原繁人『言語学者、生成AIを危ぶむ 子どもにとって毒か薬か』朝日新聞出版(2025)
Van Kleef, G. A., Homan, A. C., Beersma, B., & van Knippenberg, D. (2010). On angry leaders and agreeable followers: How leaders’ emotions and followers’ personalities shape motivation and team performance. Psychological Science, 21(12), 1827–1834. https://doi.org/10.1177/0956797610387438
Woolley, A. W., Chabris, C. F., Pentland, A., Hashmi, N., & Malone, T. W. (2010). Evidence for a collective intelligence factor in the performance of human groups. Science, 330(6004), 686–688. https://doi.org/10.1126/science.1193147
